• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    改進的Yolo_v2違章車輛檢測方法

    2020-10-19 04:40:50張成標童寶宏張炳力
    計算機工程與應用 2020年20期
    關鍵詞:檢測

    張成標,童寶宏,程 進,張炳力,張 潤

    1.安徽工業(yè)大學 機械工程學院,安徽 馬鞍山 243002

    2.合肥工業(yè)大學 汽車與交通工程學院,合肥 230009

    1 引言

    智能交通系統(tǒng)(Intelligent Traffic System,ITS)是未來檢測城市交通違章的有效手段,智能交通系統(tǒng)將先進的信息技術、數(shù)據(jù)通信技術、傳感器技術、電子控制技術以及計算機技術有效地綜合運用于整個交通管理體系[1-2]。車輛檢測利用傳感器技術與計算機技術是智能交通系統(tǒng)數(shù)據(jù)前端采集的一個重要環(huán)節(jié)。智能交通系統(tǒng)中的車輛檢測需要結(jié)合攝像頭、激光雷達、毫米波雷達等設備,而強大的視覺識別系統(tǒng)可以一定程度上替代昂貴的激光雷達與毫米波雷達的作用,降低檢測系統(tǒng)的成本[3-5]。目前基于視覺的車輛檢測主要是利用卷積神經(jīng)網(wǎng)絡對圖像中車輛與車牌進行識別,并將檢測的車牌圖片提取出來傳輸?shù)結(jié)olo_v2-tiny 卷積神經(jīng)網(wǎng)絡進行識別[6-7]。

    近年來隨著計算機視覺在車輛檢測的興起,基于卷積神經(jīng)網(wǎng)絡的車輛檢測也成為主流方法。目前主流的卷積神經(jīng)網(wǎng)絡主要有R-CNN、Fast R-CNN、Faster R-CNN、Yolo 等[7-8]。傳統(tǒng)的計算機視覺方法常用精心設計的手工特征(如SIFT、HOG)描述圖像,而深度學習的方法則倡導習得特征[8-13]。從圖像分類任務的經(jīng)驗來看,CNN網(wǎng)絡自動習得的特征取得的效果已經(jīng)超出了手工設計的特征,發(fā)揮卷積網(wǎng)絡學習高質(zhì)量特征的能力。R-CNN的想法直接明了,即將檢測任務轉(zhuǎn)化為區(qū)域上的分類任務,是深度學習方法在檢測任務上的試水[14]。之后Fast R-CNN 用RPN 網(wǎng)絡完成了檢測任務的“深度化”,使用滑動窗口生成anchor box使得Faster R-CNN可以在單個GPU 上的速度提升到5 f/s[15]。由于對實時性的要求越來越高,Yolo 也應運而生,Yolo 的誕生標志著單階段方法的開始。它將檢測任務表述成一個統(tǒng)一的、端到端的回歸問題,只處理一次圖片同時得到位置和分類,大大提高了檢測實時性[16-18]。

    目前傳統(tǒng)的違章檢測基于多傳感器融合或人工識別篩選圖像,增加了成本與人工的投入。本文將改進的Yolo_v2卷積神經(jīng)網(wǎng)絡模型與車牌識別系統(tǒng)集成進ROS(Robot Operating System)系統(tǒng),并與QT-Creator 可視化界面進行交互,做到實時對道路上違章車輛進行檢測。

    2 Yolo_v2卷積神經(jīng)網(wǎng)絡的改進

    2.1 原Yolo_v2卷積神經(jīng)網(wǎng)絡

    Yolo_v2是基于回歸的目標檢測方法,Yolo_v2借鑒了Yolo_v1以及SSD的網(wǎng)絡結(jié)構。由于Yolo_v2將候選框提取、特征提取、目標分類、目標定位統(tǒng)一于同一個卷積神經(jīng)網(wǎng)絡中,Yolo_v2 不僅訓練過程中能夠?qū)崿F(xiàn)端到端的優(yōu)化,而且檢測過程耗時少,能夠滿足實時處理需求。Yolo_v2 相較于Yolo_v3 網(wǎng)絡結(jié)構簡單,并且在NVIDIA Jetson TX2開發(fā)板上的實時性好,檢測速率可以達到30 f/s。

    Yolo_v2 網(wǎng)絡包含了19 個卷積層和5 個最大池化層。為了壓縮特征的同時增加網(wǎng)絡深度,在3×3的卷積核之間加入1×1的卷積核,每次池化操作后將通道數(shù)翻倍。在每一層網(wǎng)絡前先對輸入的圖像數(shù)據(jù)進行批量歸一化操作,可以有效提高準確率(mAP)以及顯著改善收斂性,防止過擬合。

    2.2 改進Yolo_v2的網(wǎng)絡結(jié)構

    Yolo_v2 相對于Yolo 有效地提高了準確率(mAP)以及檢測速率(FPS),但檢測經(jīng)常會出現(xiàn)漏檢、誤檢的情況。針對此問題,在Yolo_v2 的基礎上增加殘差網(wǎng)絡結(jié)構來提升對小目標車輛的檢測精度,同時增加一個不同尺度的Yolo層對圖像中的目標進行多尺度預測[19-22]。因為增加了殘差結(jié)構與多尺度預測,Yolo_v2 網(wǎng)絡結(jié)構變得厚重,對采集的路況視頻檢測速率只有16 f/s,因此在不降低準確率的情況下,將原19 層卷積層縮減為14層,并每隔3層添加殘差網(wǎng)絡層,精簡后的Yolo_v2結(jié)構如表1所示。

    表1 改進Yolo_v2的網(wǎng)絡結(jié)構

    2.3 添加殘差網(wǎng)絡與多尺度層

    本文中搭建的卷積神經(jīng)網(wǎng)絡是基于Yolo_v2的網(wǎng)絡結(jié)構。為了使卷積神經(jīng)網(wǎng)絡加快收斂保留了Yolo_v2的池化層,極大地縮減了參數(shù)數(shù)量,并添加Yolo_v3的殘差網(wǎng)絡結(jié)構來提高檢測精度。為了降低卷積過程的計算量,將兩個3×3的卷積層替換為兩個1×1卷積層與一個3×3的卷積層,如圖1所示。圖1左圖中是兩個3×3×256的卷積,參數(shù)數(shù)目為:3×3×256×256×2=1 179 648,右圖是第一個卷積層將256 通道降到了64 通道,最后通過1×1卷積層進行恢復,整體的參數(shù)數(shù)目為:1×1×256×64+3×3×64×64+1×1×64×256=69 632。新的殘差結(jié)構的參數(shù)數(shù)量比原殘差結(jié)構的參數(shù)數(shù)量減少了16.94 倍,這使得訓練速度得到加快[23-25]。添加改進后的殘差網(wǎng)絡,在隨著訓練時網(wǎng)絡深度的加深,訓練錯誤大大小于普通網(wǎng)絡訓練時出現(xiàn)的錯誤,錯誤減少的同時準確率也相對應提高了。

    圖1 改進殘差結(jié)構對比圖

    卷積神經(jīng)網(wǎng)絡中較深層特征有很大的感受野以及豐富的語義信息。深層特征對于物體姿態(tài)、遮擋和局部變形等變化具有魯棒性,但由于分辨率的降低導致幾何細節(jié)信息丟失。相反淺層特征有很小的感受野和豐富的幾何細節(jié)信息,但分辨率較高,語義信息匱乏。在卷積神經(jīng)網(wǎng)絡中,物體的語義信息可以在不同層出現(xiàn)。對于小物體而言,淺層特征包含一些細節(jié)信息,隨著層數(shù)加深,所提取特征的幾何細節(jié)信息可能完全消失,所以通過深層特征檢測小物體就變得很困難,而對于大物體而言,它語義信息將出現(xiàn)在較深層特征中。如圖2 所示,在一張圖像中有完整的車輛、被遮擋的車輛以及小目標車輛,為了使圖像中的車輛都能被標記,在Yolo_v2的基礎上添加一個Yolo層來進行多尺度預測,從而提取更全面的信息,既有全局的整體信息又有局部的詳細信息,同時對小目標車輛也有很高的檢測準確率,如圖3所示[22,26-28]。

    圖2 被遮擋車輛示意圖

    圖3 多尺度層結(jié)構圖

    2.4 設計激活函數(shù)

    激活函數(shù)是深度神經(jīng)網(wǎng)絡結(jié)構的核心所在,目前常見的激活函數(shù)主要有sigmoid 系的sigmoid、tanh 函數(shù),Relu系的Relu、Lrelu函數(shù)等。但sigmoid系的函數(shù)在后向傳遞過程中會出現(xiàn)了梯度消失問題,極大地降低訓練速度[29-31]。

    Relu函數(shù)能夠有效緩解梯度消失問題,顯著提升了深度神經(jīng)網(wǎng)絡的性能。Elu激活函數(shù)是為解決Relu激活函數(shù)存在的問題而提出,Elu既涵蓋了Relu的優(yōu)點,又避免了Dead relu(未被激活神經(jīng)元)問題且輸出的均值接近0[32-34]。

    基于Elu 激活函數(shù)設計激活函數(shù)Kelu(函數(shù)圖如圖4 所示),Kelu 激活函數(shù)包含了Elu 激活函數(shù)的優(yōu)點,Kelu 激活函數(shù)的處處可微保證了在優(yōu)化中梯度的可計算性,Kelu 激活函數(shù)不僅滿足處處可微,且在梯度變化的平滑性也優(yōu)于Elu 激活函數(shù)(如圖5 所示),這使得所有輸入的數(shù)據(jù)都會得到優(yōu)化。并且Kelu 激活函數(shù)在x> 0 的正半軸隨著x的增大f′(x)無限接近于1,不存在梯度爆炸現(xiàn)象,在x<0 的負半軸保留了一些負軸的值,使得負軸信息不會全部丟失,正負信息的值與激活函數(shù)相應橫坐標下縱坐標的值根據(jù)函數(shù)公式進行運算,使Kelu激活函數(shù)的輸出均值是接近于零的。Kelu激活函數(shù)公式如公式(1)所示:

    圖4 Kelu激活函數(shù)圖

    圖5 Elu激活函數(shù)圖

    Kelu激活函數(shù)的導數(shù)公式如公式(2)所示:

    由Elu 激活函數(shù)求導公式可得在x=0 點處1 ≠α,左右導數(shù)不同,從而導致Elu激活函數(shù)在x=0 不平滑,也導致在x=0 處附近部分參數(shù)的不可計算,從而丟失少部分數(shù)據(jù)。

    Elu激活函數(shù)公式如公式(3)所示:

    對f(x)求導如公式(4)所示:

    由于改進后的Kelu 激活函數(shù)在x>0 正半軸為指數(shù)運算,計算機對指數(shù)運算的時間要明顯大于非指數(shù)運算。所以Kelu激活函數(shù)在卷積神經(jīng)網(wǎng)絡檢測中實時性要低于其他激活函數(shù),但是應用于交通違章檢測并不需要過高的實時性,達到每秒3幀的傳輸速率就可以精確地監(jiān)測違章。

    在保證檢測速率的情況下,Kelu激活函數(shù)在檢測精度的表現(xiàn)都優(yōu)于Elu、Leaky-relu等激活函數(shù)。

    3 數(shù)據(jù)集制作

    3.1 多方位車輛數(shù)據(jù)集制作

    本文檢測違章車輛是需要對道路上的不同形態(tài)的車輛進行分類檢測,如圖6所示。車輛的形態(tài)分為側(cè)前方(Side Front)、側(cè)后方(Side Behind)、正前方(Front)、正后方(Behind)、正側(cè)方(Side)五種類型。為了增加卷積神經(jīng)網(wǎng)絡的泛化性,制作數(shù)據(jù)集的圖像來源于KITTI數(shù)據(jù)集、剪輯后的視頻圖像的車輛圖片,利用Labelimg軟件對圖片進行標注歸類制作成數(shù)據(jù)集[35-37]。同時為了降低誤檢率,提高其背景區(qū)分能力,應保證有適量的負樣本集,負樣本集是照片中不存在目標車輛的背景圖片,所以在數(shù)據(jù)集中通過添加負樣本圖像來制作負樣本集。為了增強網(wǎng)絡模型的泛化能力,防止訓練的網(wǎng)絡過擬合(Over-fitting),將圖像樣本作為訓練數(shù)據(jù)輸入到網(wǎng)絡前,通過隨機旋轉(zhuǎn)、平移圖像以及改變圖像的飽和度、曝光和色調(diào)的方式,對訓練集中的圖像實現(xiàn)擴增,這樣不僅能得到更多的樣本,還能增強網(wǎng)絡模型對新數(shù)據(jù)樣本的判斷能力[35-37]。

    圖6 車輛形態(tài)分類圖

    3.2 車牌數(shù)據(jù)集

    在前節(jié)通過車輛形態(tài)識別出違章車輛的基礎上,需要對違章車輛進行車牌提取。由于完整車牌數(shù)據(jù)集與被分割后的車牌數(shù)據(jù)集是分開進行訓練,得到的是不同的權重文件,所以車牌數(shù)據(jù)集主要分為兩類,分別是車牌完整數(shù)據(jù)集與車牌字符分割后的單個字符數(shù)據(jù)集[35-37]。完整的車牌圖像(如圖7所示)是車輛圖像經(jīng)過卷積神經(jīng)網(wǎng)絡檢測后被提取發(fā)送給車牌識別系統(tǒng)。完整車牌進行字符分割后將七個單個字符圖片(如圖8所示)依次傳輸?shù)結(jié)olo_v2-tiny卷積神經(jīng)網(wǎng)絡進行識別。

    圖7 完整車牌數(shù)據(jù)集

    4 實驗結(jié)果分析與應用

    4.1 實驗環(huán)境搭建

    本文實驗環(huán)境如表2所示。

    圖8 單個字符數(shù)據(jù)集

    表2 實驗環(huán)境

    4.2 激活函數(shù)比較

    選擇平均準確率(mAP)、召回率(recall)、神經(jīng)網(wǎng)絡每秒檢測幀數(shù)(FPS)以及反映網(wǎng)絡收斂的Loss 曲線作為卷積神經(jīng)網(wǎng)絡模型優(yōu)劣的評價指標。

    首先選取原Yolo_v2 網(wǎng)絡作為基本框架,分別選取Leaky、Relu、Elu 激活函數(shù)對自制車輛多方位數(shù)據(jù)集進行訓練,利用訓練的權重在測試集進行批量檢測,通過得到的評價指標來選取適合的激活函數(shù);其次對Yolo_v2卷積神經(jīng)網(wǎng)絡進行改進,分別添加了殘差網(wǎng)絡結(jié)構與多尺度層,將選取的最優(yōu)激活函數(shù)搭載到改進好的卷積神經(jīng)網(wǎng)絡中對網(wǎng)絡進行訓練,利用訓練權重在測試集測試得到相關評價指標,如表3所示。

    表3 不同激活函數(shù)訓練后的評價指標

    利用改進的Yolo_v2 卷積神經(jīng)網(wǎng)絡搭載Kelu 激活函數(shù)對訓練集進行訓練得到權重,利用所得的權重在測試集上進行測試得到相關評價指標;最后將三組測試后評價指標進行對比。

    (1)訓練數(shù)據(jù)集時生成的loss值可以反映模型收斂的穩(wěn)定性,原Yolo_v2 網(wǎng)絡結(jié)構三組激活函數(shù)下loss 值對比如圖9。

    圖9 不同激活函數(shù)下的loss變化值

    在原Yolo_v2網(wǎng)絡為框架下,利用Leaky激活函數(shù)、Relu激活函數(shù)、Elu激活函數(shù)訓練得到loss值。對比圖9由收斂速度及收斂穩(wěn)定性可以看出搭載Elu激活函數(shù)的卷積神經(jīng)網(wǎng)絡更加適用于多方位車輛的檢測。

    (2)訓練改進的Yolo_v2 網(wǎng)絡搭載Elu 激活函數(shù)與Kelu激活函數(shù)下評價指標對比如表4所示。

    表4 改進后網(wǎng)絡不同激活函數(shù)訓練后評價指標

    在改進的Yolo_v2 網(wǎng)絡結(jié)構下,Kelu 激活函數(shù)和Elu 激活函數(shù)下的 loss 值如圖10、11 所示。Kelu 激活函數(shù)的loss值在訓練1 000次后就降到1以下,收斂速度高于Elu 激活函數(shù);對比圖10 與圖11 可得,在收斂過程中Kelu激活函數(shù)下的loss值收斂平滑,出現(xiàn)噪點的數(shù)量遠遠低于Elu激活函數(shù)下的loss值的噪點數(shù)量。

    圖10 Kelu激活函數(shù)下loss變化值

    圖11 Elu激活函數(shù)下loss變化值

    4.3 車輛違章識別實驗

    本文的基于改進Yolo_v2的車輛多方位識別方法可識別車輛的多種形態(tài),在一定程度上替代了激光雷達與毫米波雷達的作用。本文將識別多方位車輛方法應用在檢測交通違章上。

    改進后的神經(jīng)網(wǎng)絡算法封裝于ROS 軟件平臺中,并與QT 可視化界面建立通信,方便顯示檢測信息。將檢測系統(tǒng)硬件固定在高度一定的支架上,并將支架擺放在禁止車輛掉頭(轉(zhuǎn)向)的路口來檢測車輛違章,如圖12所示。

    圖12 虛擬檢測示意圖

    由圖13所示通過攝像頭將路況視頻通過ROS節(jié)點將視頻每秒3幀以圖片的形式發(fā)送給改進的Yolo_v2網(wǎng)絡,檢測之后利用ROS節(jié)點將車輛方位的類別信息、準確率及檢測圖片通過節(jié)點發(fā)布給QT 可視化界面。在ROS下的QT程序包中定義節(jié)點接受卷積神經(jīng)網(wǎng)絡發(fā)布的檢測信息,若檢測到車輛的正側(cè)身(Side)與側(cè)前身(Side Front),則判定車輛違章。如果違章,則判定違章的按鈕變紅(如圖13(b)所示),并且在檢測到車牌后將車牌圖片提取出通過字符分割后通過卷積神經(jīng)網(wǎng)絡檢測車牌,將檢測到的車牌號顯示在QT界面上,同時發(fā)布提取的車牌圖片(如圖13(b)所示)。

    圖13 違章系統(tǒng)顯示平臺

    根據(jù)實車實驗結(jié)果分析,改進的Yolo_v2 卷積神經(jīng)網(wǎng)絡及設計的Kelu激活函數(shù)對多方位車輛的檢測準確率優(yōu)于原Yolo_v2卷積神經(jīng)網(wǎng)絡。

    5 結(jié)語

    本文從車輛多方位識別的角度出發(fā),對現(xiàn)有的Yolo_v2 卷積神經(jīng)網(wǎng)絡進行改進,分別在原Yolo_v2 網(wǎng)絡的基礎上增加了殘差網(wǎng)絡結(jié)構和多尺度層,并且在Elu 激活函數(shù)的基礎上設計了Kelu 激活函數(shù)。實驗結(jié)果表明在改進了網(wǎng)絡結(jié)構和激活函數(shù)后,新的網(wǎng)絡可以更加精確且高效地識別道路上的多方位車輛,并驗證了本文所設計的方法可用于違規(guī)掉頭車輛違章檢測中。

    在下一步研究中,將本文所研究的基于改進的Yolo_v2卷積神經(jīng)網(wǎng)絡車輛多方位識別方法應用于更多的道路違章監(jiān)測和車聯(lián)網(wǎng)應用。

    猜你喜歡
    檢測
    QC 檢測
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    “幾何圖形”檢測題
    “角”檢測題
    “有理數(shù)的乘除法”檢測題
    “有理數(shù)”檢測題
    “角”檢測題
    “幾何圖形”檢測題
    videos熟女内射| 亚洲三区欧美一区| 成人永久免费在线观看视频| 精品第一国产精品| 亚洲综合色网址| 精品熟女少妇八av免费久了| 男女下面插进去视频免费观看| 天天添夜夜摸| 大香蕉久久网| 午夜影院日韩av| av天堂在线播放| 亚洲欧美日韩另类电影网站| 午夜激情av网站| 天天躁日日躁夜夜躁夜夜| 国精品久久久久久国模美| 久久久久精品国产欧美久久久| av片东京热男人的天堂| 青草久久国产| av超薄肉色丝袜交足视频| 亚洲国产精品一区二区三区在线| 亚洲中文av在线| 80岁老熟妇乱子伦牲交| 一a级毛片在线观看| 丁香欧美五月| 久久狼人影院| www.自偷自拍.com| 动漫黄色视频在线观看| 国产精品免费视频内射| 久久久久国产精品人妻aⅴ院 | 中文亚洲av片在线观看爽 | 国产欧美亚洲国产| 欧美黄色片欧美黄色片| 精品国产一区二区三区四区第35| 午夜福利视频在线观看免费| 自线自在国产av| 老汉色∧v一级毛片| 亚洲色图av天堂| 欧美日韩精品网址| 老司机亚洲免费影院| 色播在线永久视频| 色播在线永久视频| 一级毛片精品| 窝窝影院91人妻| 91老司机精品| xxxhd国产人妻xxx| 亚洲中文日韩欧美视频| 美女福利国产在线| 黑人操中国人逼视频| 国产激情欧美一区二区| 国产精品一区二区免费欧美| av天堂久久9| 黄片播放在线免费| 国产日韩一区二区三区精品不卡| 最近最新中文字幕大全电影3 | 亚洲av熟女| 亚洲黑人精品在线| 国产成人精品无人区| 久久久久久久精品吃奶| 亚洲五月天丁香| 麻豆av在线久日| 久久天躁狠狠躁夜夜2o2o| 一边摸一边抽搐一进一小说 | 国产免费男女视频| 亚洲一区中文字幕在线| 免费日韩欧美在线观看| av电影中文网址| 99久久99久久久精品蜜桃| 在线国产一区二区在线| 欧美日韩国产mv在线观看视频| 色播在线永久视频| 日韩免费高清中文字幕av| 午夜91福利影院| 美女福利国产在线| 免费观看精品视频网站| 在线av久久热| 国产熟女午夜一区二区三区| 在线看a的网站| 老鸭窝网址在线观看| 日韩大码丰满熟妇| 两性夫妻黄色片| 国产av又大| 国产成人av教育| 在线av久久热| 自拍欧美九色日韩亚洲蝌蚪91| av网站在线播放免费| 欧美另类亚洲清纯唯美| 日韩欧美在线二视频 | 日韩欧美国产一区二区入口| 亚洲少妇的诱惑av| 亚洲欧美色中文字幕在线| av在线播放免费不卡| 国产高清激情床上av| 国产91精品成人一区二区三区| 欧美黄色片欧美黄色片| 啦啦啦 在线观看视频| videosex国产| 欧美日韩乱码在线| 免费人成视频x8x8入口观看| 丝袜人妻中文字幕| 香蕉国产在线看| 免费在线观看黄色视频的| 久久这里只有精品19| 可以免费在线观看a视频的电影网站| 老司机午夜福利在线观看视频| 国产男女内射视频| 美女扒开内裤让男人捅视频| 国产精品永久免费网站| 黄片播放在线免费| 免费一级毛片在线播放高清视频 | 在线天堂中文资源库| 久久久国产精品麻豆| 精品免费久久久久久久清纯 | 国产免费男女视频| 又紧又爽又黄一区二区| 建设人人有责人人尽责人人享有的| 老汉色∧v一级毛片| 自线自在国产av| 久久国产乱子伦精品免费另类| 亚洲欧美色中文字幕在线| 久久久精品免费免费高清| 99热只有精品国产| 久久久久久久午夜电影 | 90打野战视频偷拍视频| 亚洲欧美一区二区三区黑人| 亚洲精品自拍成人| 女警被强在线播放| 国产亚洲欧美98| 国产亚洲欧美精品永久| 最新美女视频免费是黄的| 国产1区2区3区精品| 精品久久久精品久久久| 成年版毛片免费区| 亚洲精品国产区一区二| 日本五十路高清| 国产野战对白在线观看| 亚洲精品久久成人aⅴ小说| 欧美老熟妇乱子伦牲交| 黄色视频不卡| 18禁美女被吸乳视频| 99riav亚洲国产免费| 精品熟女少妇八av免费久了| 亚洲第一欧美日韩一区二区三区| 91大片在线观看| 热re99久久国产66热| 色老头精品视频在线观看| 建设人人有责人人尽责人人享有的| 国产深夜福利视频在线观看| 国产精品香港三级国产av潘金莲| 国产精品久久久人人做人人爽| 亚洲精品粉嫩美女一区| 精品免费久久久久久久清纯 | 曰老女人黄片| 妹子高潮喷水视频| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲第一青青草原| av有码第一页| cao死你这个sao货| 在线观看日韩欧美| 中出人妻视频一区二区| 成人18禁高潮啪啪吃奶动态图| 免费一级毛片在线播放高清视频 | 精品免费久久久久久久清纯 | 久热爱精品视频在线9| 美女视频免费永久观看网站| 午夜免费成人在线视频| 久久精品aⅴ一区二区三区四区| 欧美黑人欧美精品刺激| 99精国产麻豆久久婷婷| 男女下面插进去视频免费观看| 制服诱惑二区| 国产精品亚洲av一区麻豆| 制服人妻中文乱码| 韩国av一区二区三区四区| 女同久久另类99精品国产91| 99久久人妻综合| 久久久精品免费免费高清| 亚洲中文av在线| 人成视频在线观看免费观看| 99久久国产精品久久久| 国产男女内射视频| 看黄色毛片网站| 欧美日韩av久久| ponron亚洲| 在线永久观看黄色视频| 极品教师在线免费播放| 桃红色精品国产亚洲av| 久久久久视频综合| 国精品久久久久久国模美| 美女国产高潮福利片在线看| 日韩免费av在线播放| 久热这里只有精品99| 老司机影院毛片| a在线观看视频网站| 国产单亲对白刺激| 91大片在线观看| 国产亚洲精品一区二区www | 18禁美女被吸乳视频| 午夜精品久久久久久毛片777| 国产男女内射视频| 啦啦啦视频在线资源免费观看| 亚洲精品一卡2卡三卡4卡5卡| 十八禁高潮呻吟视频| 80岁老熟妇乱子伦牲交| 99精国产麻豆久久婷婷| 欧美成狂野欧美在线观看| 国产男女内射视频| 女人爽到高潮嗷嗷叫在线视频| 麻豆成人av在线观看| 午夜免费成人在线视频| 亚洲男人天堂网一区| 亚洲国产欧美一区二区综合| 极品人妻少妇av视频| xxx96com| 国产乱人伦免费视频| 国产深夜福利视频在线观看| 91麻豆精品激情在线观看国产 | 亚洲精品粉嫩美女一区| 久久精品91无色码中文字幕| 欧美黄色淫秽网站| 我的亚洲天堂| 欧美日韩av久久| 国产在线一区二区三区精| 亚洲成人国产一区在线观看| 国产亚洲精品久久久久5区| 久久午夜亚洲精品久久| 精品国产一区二区久久| 黄色丝袜av网址大全| 啦啦啦在线免费观看视频4| 久久热在线av| 咕卡用的链子| 咕卡用的链子| 三上悠亚av全集在线观看| 精品国产美女av久久久久小说| 久久人妻熟女aⅴ| 操出白浆在线播放| 亚洲欧洲精品一区二区精品久久久| 好看av亚洲va欧美ⅴa在| 老熟妇仑乱视频hdxx| 久久狼人影院| 91av网站免费观看| 99精品久久久久人妻精品| 男女高潮啪啪啪动态图| 亚洲va日本ⅴa欧美va伊人久久| 少妇粗大呻吟视频| 欧美激情 高清一区二区三区| 亚洲精品中文字幕一二三四区| 久久这里只有精品19| 欧美最黄视频在线播放免费 | 亚洲综合色网址| 搡老熟女国产l中国老女人| 每晚都被弄得嗷嗷叫到高潮| 久热这里只有精品99| 18禁美女被吸乳视频| 老司机午夜十八禁免费视频| 欧美最黄视频在线播放免费 | 最新美女视频免费是黄的| 一边摸一边抽搐一进一出视频| 极品少妇高潮喷水抽搐| 亚洲精品美女久久av网站| 一区二区三区精品91| 黑人猛操日本美女一级片| 超碰成人久久| 国产野战对白在线观看| 国产免费现黄频在线看| 亚洲一卡2卡3卡4卡5卡精品中文| 久久ye,这里只有精品| 久久久久国产精品人妻aⅴ院 | 一进一出抽搐动态| 国产在线精品亚洲第一网站| 下体分泌物呈黄色| 国产在线观看jvid| 久久国产精品大桥未久av| 午夜精品久久久久久毛片777| 国产日韩一区二区三区精品不卡| 国产精品99久久99久久久不卡| 久久久国产欧美日韩av| 俄罗斯特黄特色一大片| 日韩一卡2卡3卡4卡2021年| 亚洲成人手机| 纯流量卡能插随身wifi吗| 99精品欧美一区二区三区四区| 一边摸一边抽搐一进一小说 | 天天躁狠狠躁夜夜躁狠狠躁| 90打野战视频偷拍视频| 无人区码免费观看不卡| 欧美最黄视频在线播放免费 | 9色porny在线观看| 在线观看66精品国产| avwww免费| 老鸭窝网址在线观看| av网站在线播放免费| 亚洲专区字幕在线| 午夜福利视频在线观看免费| 日韩视频一区二区在线观看| 亚洲人成电影免费在线| 一级毛片精品| 成人国产一区最新在线观看| 老汉色av国产亚洲站长工具| 国产av又大| 国产在线精品亚洲第一网站| 国产无遮挡羞羞视频在线观看| 日韩欧美三级三区| 男人的好看免费观看在线视频 | 午夜福利,免费看| 成年人黄色毛片网站| 午夜免费鲁丝| 丝袜在线中文字幕| 黄色视频不卡| 欧美日韩一级在线毛片| 99精品在免费线老司机午夜| 欧美日韩黄片免| 老汉色av国产亚洲站长工具| 亚洲熟女精品中文字幕| 一级毛片女人18水好多| 999久久久精品免费观看国产| 亚洲精品美女久久久久99蜜臀| 亚洲熟女精品中文字幕| 亚洲精品av麻豆狂野| 久久人人97超碰香蕉20202| 亚洲精品粉嫩美女一区| 99香蕉大伊视频| 黄色毛片三级朝国网站| 好男人电影高清在线观看| 91成年电影在线观看| 精品一区二区三区四区五区乱码| 在线国产一区二区在线| 午夜影院日韩av| 最近最新中文字幕大全免费视频| 老司机福利观看| 欧美精品亚洲一区二区| 欧美午夜高清在线| 欧美日韩视频精品一区| 精品少妇久久久久久888优播| 三上悠亚av全集在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 精品亚洲成国产av| 亚洲精品中文字幕一二三四区| 成熟少妇高潮喷水视频| av免费在线观看网站| 国产精品久久久人人做人人爽| 久久九九热精品免费| 日日摸夜夜添夜夜添小说| ponron亚洲| 久久久国产精品麻豆| 99久久精品国产亚洲精品| 午夜福利影视在线免费观看| 精品亚洲成国产av| 精品国产乱码久久久久久男人| 久久久久久亚洲精品国产蜜桃av| 香蕉久久夜色| 啦啦啦免费观看视频1| 一级片免费观看大全| av天堂久久9| 国产精品久久久久久精品古装| 国产午夜精品久久久久久| 精品无人区乱码1区二区| 午夜福利影视在线免费观看| 99re在线观看精品视频| 中国美女看黄片| 黄片播放在线免费| ponron亚洲| 亚洲性夜色夜夜综合| 中出人妻视频一区二区| 亚洲精品一卡2卡三卡4卡5卡| 亚洲成人国产一区在线观看| 久9热在线精品视频| 在线国产一区二区在线| 国产精品久久久av美女十八| 久久亚洲真实| 精品第一国产精品| 久久久久久人人人人人| 亚洲av电影在线进入| 久久久国产成人精品二区 | netflix在线观看网站| 免费少妇av软件| 日韩大码丰满熟妇| 窝窝影院91人妻| 午夜影院日韩av| av网站免费在线观看视频| 丰满迷人的少妇在线观看| 欧美 日韩 精品 国产| 91av网站免费观看| 免费久久久久久久精品成人欧美视频| 亚洲中文字幕日韩| 19禁男女啪啪无遮挡网站| 日韩一卡2卡3卡4卡2021年| 成年人午夜在线观看视频| 亚洲成人国产一区在线观看| 亚洲人成电影免费在线| 好看av亚洲va欧美ⅴa在| 国产精品香港三级国产av潘金莲| 国产精华一区二区三区| 国精品久久久久久国模美| 国产亚洲精品第一综合不卡| 日韩人妻精品一区2区三区| 高潮久久久久久久久久久不卡| www.自偷自拍.com| 少妇裸体淫交视频免费看高清 | 亚洲三区欧美一区| 90打野战视频偷拍视频| 国产男女内射视频| 亚洲精品国产区一区二| 狠狠婷婷综合久久久久久88av| www.精华液| 三上悠亚av全集在线观看| 久久人妻福利社区极品人妻图片| 国产精品欧美亚洲77777| 美女视频免费永久观看网站| 男女之事视频高清在线观看| 国产高清videossex| 欧美日韩亚洲高清精品| 大陆偷拍与自拍| 国产成人啪精品午夜网站| 美女视频免费永久观看网站| 国产精品av久久久久免费| 成人18禁在线播放| 每晚都被弄得嗷嗷叫到高潮| 欧美日韩乱码在线| 国产精品一区二区免费欧美| 婷婷精品国产亚洲av在线 | 搡老熟女国产l中国老女人| 国产又色又爽无遮挡免费看| 亚洲色图 男人天堂 中文字幕| av电影中文网址| 18禁国产床啪视频网站| 精品无人区乱码1区二区| 黄色成人免费大全| 国产欧美日韩精品亚洲av| 国产成人免费观看mmmm| 亚洲欧美精品综合一区二区三区| 捣出白浆h1v1| 国产亚洲欧美精品永久| 国产精品久久久久久精品古装| 欧美黑人欧美精品刺激| 女人被狂操c到高潮| 精品国产超薄肉色丝袜足j| 90打野战视频偷拍视频| 欧美日韩亚洲国产一区二区在线观看 | 国产精品久久久久成人av| 一区福利在线观看| bbb黄色大片| 日韩中文字幕欧美一区二区| 久久中文字幕人妻熟女| 成人18禁高潮啪啪吃奶动态图| 午夜免费成人在线视频| 中国美女看黄片| 精品久久久精品久久久| 宅男免费午夜| 亚洲成a人片在线一区二区| 天堂俺去俺来也www色官网| 成在线人永久免费视频| 欧美国产精品一级二级三级| 国产精品影院久久| 视频在线观看一区二区三区| 久久影院123| 青草久久国产| 免费在线观看视频国产中文字幕亚洲| 亚洲精品美女久久久久99蜜臀| 久久久国产成人精品二区 | 亚洲专区国产一区二区| 老司机影院毛片| 国产在线精品亚洲第一网站| 午夜影院日韩av| 一区在线观看完整版| 亚洲午夜精品一区,二区,三区| 美女高潮到喷水免费观看| svipshipincom国产片| 日韩制服丝袜自拍偷拍| 欧美亚洲 丝袜 人妻 在线| 久久久国产精品麻豆| 免费av中文字幕在线| 99久久人妻综合| 欧美精品一区二区免费开放| 免费日韩欧美在线观看| 五月开心婷婷网| 国产成人啪精品午夜网站| 亚洲av成人不卡在线观看播放网| 久久久久国内视频| 亚洲一区二区三区不卡视频| 欧美黄色片欧美黄色片| 精品午夜福利视频在线观看一区| 18禁观看日本| 久久天躁狠狠躁夜夜2o2o| 成人永久免费在线观看视频| 91精品三级在线观看| www.精华液| 人人妻,人人澡人人爽秒播| 后天国语完整版免费观看| 757午夜福利合集在线观看| 久久久国产精品麻豆| 久久午夜综合久久蜜桃| 国产成人系列免费观看| 人人妻人人澡人人看| 在线观看免费视频日本深夜| 天堂中文最新版在线下载| 黄色毛片三级朝国网站| 他把我摸到了高潮在线观看| 亚洲综合色网址| 日本五十路高清| 国产欧美日韩一区二区精品| 国产精品一区二区精品视频观看| 天天添夜夜摸| 免费一级毛片在线播放高清视频 | av一本久久久久| 在线视频色国产色| 一进一出抽搐动态| 国产亚洲一区二区精品| 一级片免费观看大全| 欧美乱码精品一区二区三区| 国产亚洲欧美在线一区二区| 最新美女视频免费是黄的| 国产又爽黄色视频| 亚洲成a人片在线一区二区| 亚洲 国产 在线| 欧美日韩视频精品一区| 麻豆成人av在线观看| 久久精品国产亚洲av高清一级| 精品国产国语对白av| 日本黄色日本黄色录像| 亚洲精品国产色婷婷电影| 国产精品久久久av美女十八| 久久久精品国产亚洲av高清涩受| 12—13女人毛片做爰片一| 一区二区三区精品91| 变态另类成人亚洲欧美熟女 | 九色亚洲精品在线播放| 国产成人精品在线电影| 一级毛片精品| 久久久久精品人妻al黑| 国产精品一区二区在线不卡| 黄色女人牲交| av网站在线播放免费| av天堂在线播放| 欧美日韩一级在线毛片| 热re99久久精品国产66热6| 精品国产一区二区三区久久久樱花| 校园春色视频在线观看| 新久久久久国产一级毛片| 黄片大片在线免费观看| 中文字幕高清在线视频| 国产一卡二卡三卡精品| 91麻豆av在线| 亚洲欧美色中文字幕在线| 18禁裸乳无遮挡动漫免费视频| 国产深夜福利视频在线观看| 国产精品美女特级片免费视频播放器 | 亚洲欧美日韩高清在线视频| 91麻豆精品激情在线观看国产 | 亚洲综合色网址| 免费少妇av软件| 国产精品亚洲av一区麻豆| 午夜免费成人在线视频| bbb黄色大片| 精品电影一区二区在线| 日韩有码中文字幕| 国产欧美日韩一区二区三区在线| 久久久国产成人免费| 老司机靠b影院| tocl精华| 久久婷婷成人综合色麻豆| 亚洲五月婷婷丁香| 女同久久另类99精品国产91| 又大又爽又粗| 精品少妇一区二区三区视频日本电影| 电影成人av| 久久国产精品影院| 一边摸一边抽搐一进一小说 | 亚洲av日韩在线播放| 免费在线观看视频国产中文字幕亚洲| 国内毛片毛片毛片毛片毛片| 91九色精品人成在线观看| 亚洲性夜色夜夜综合| 精品国产国语对白av| 亚洲av电影在线进入| 91精品国产国语对白视频| av有码第一页| 欧美最黄视频在线播放免费 | 超碰97精品在线观看| 成人手机av| 日韩中文字幕欧美一区二区| 大香蕉久久成人网| 精品一区二区三区视频在线观看免费 | 国产精品久久久久成人av| 欧美激情高清一区二区三区| 无限看片的www在线观看| 国产av精品麻豆| av电影中文网址| 18禁美女被吸乳视频| 亚洲一区中文字幕在线| 国产精品 国内视频| 侵犯人妻中文字幕一二三四区| 日韩大码丰满熟妇| 建设人人有责人人尽责人人享有的| a在线观看视频网站| 欧美日韩黄片免| 久9热在线精品视频| 18禁观看日本| x7x7x7水蜜桃| 亚洲美女黄片视频| 精品久久蜜臀av无| 午夜福利视频在线观看免费| av片东京热男人的天堂| 在线视频色国产色| 国产亚洲欧美精品永久| 人妻 亚洲 视频| 最新美女视频免费是黄的| 国产精品二区激情视频| 国产激情欧美一区二区| 午夜福利免费观看在线| av电影中文网址| 亚洲av日韩在线播放| 老司机在亚洲福利影院| 丝袜人妻中文字幕| 亚洲精品中文字幕在线视频| 久99久视频精品免费|